基于管道焊缝识别的管道缺陷定位方法

1.本发明属于管道缺陷定位领域，涉及一种基于管道焊缝识别的管道缺陷定位方法。


背景技术：

2.为了提高油气管道使用寿命，需要定期对管道进行检测，及时发现管道出现的问题并修复。相对于传统的人工巡查检测，现在更多的是使用管道检测机器人进行管道的检测，采集管道以及管道缺陷的各项数据，得到相应的管道修复方案。
3.尽管目前对管道缺陷类型检测的识别率很高，但对于管道缺陷的定位仍存在较大误差。由于管道通常处于地下，通过外界gps辅助定位很难实现，常规定位方法中同位素标记法等前期部署工作量大、维护成本高，里程轮等短距离定位精确，但长距离定位累积误差大。
4.现有技术用一种机器人包括通过时向管壁激励超声波，当超声波遇到焊缝缺陷特征时，多探头同时响应接收到反射的回波，通过评估回波信号的时间差和信号特征，实现环焊缝识别及缺陷检测。该方法对超声波传感器的灵敏度要求高、而且常规采用矩阵形式传感器数量多，不仅维护难度大，而且超声波容易受到管道内壁油垢的影响，从而使得进行管道定位出现误差。
5.还有一种现有技术对双目相机进行标定与立体匹配，得到畸变相对很小的图像，通过立体匹配与深度计算确定图像中某一点在世界坐标系下的具体位置与其像素点位置的具体函数关系；通过目标检测算法训练目标检测模型并对视频图像进行识别；当识别到图像存在某一类缺陷时，该模型将框定缺陷目标，将其中心位置的世界坐标显示在屏幕上。这种方法利用双目视觉的数据进行深度计算得到距离信息实现定位，定位精确度受到图像质量因素影响较大，而且一般适用于低速检测任务。


技术实现要素：

6.有鉴于此，本发明的目的在于提供一种基于管道焊缝识别的管道缺陷定位方法，针对长输管道进行检测任务时，长输管道内部检测异常情况的定位精度问题，采用检测装置获取管道内焊缝、缺陷图像与检测装置里程数据相结合的方式，能够更加直观的、准确地对管道实际情况进行正确判断、能够精准定位管道内缺陷所在位置，因此设计基于管道焊缝识别的提高管道缺陷定位精度的方法来实现对长输管道缺陷高精确定位，便于管道进行开展维护检修工作。
7.为达到上述目的，本发明提供如下技术方案：
8.一种基于管道焊缝识别的管道缺陷定位方法，包括以下步骤：
9.s1：采集并存储里程数据md和管道内壁图像数据vd；
10.s2：读取里程数据md和管道内壁图像数据vd，分别进行数据处理；
11.s3：通过训练后的神经网络模型识别图像数据vd中的管道焊缝图像w与管道缺陷
图像f，并得到识别结果对应的时间戳wt、ft；
12.s4：对里程数据md进行数据清洗，根据时间一致性对图像数据vd与里程数据md数据进行对齐，每个时间戳ft、wt都有对应的里程数据mdft、mdwt；
13.s5：根据管道焊缝图像数量将所检测的管道分成n段，将检测的管道缺陷放置到对应的管段中，根据此段管道缺陷里程数据mdft与管道焊缝里程数据mdwt，得到缺陷在该段的具体位置为mdft-mdwt。
14.进一步，采用管道内窥检测装置来采集里程数据md和管道内壁图像数据vd，并分别存储到sd_1存储卡和sd_2存储卡中；
15.所述管道内窥检测装置包括牵引单元、测距单元、图像采集单元、运行时间模块和电源；
16.所述牵引单元用于提供牵引力，带动装置在管道内实现行进；
17.所述测距单元由主控控制器、里程轮和sd_1存储卡组成，对管道里程进行测量并存储；其中主控制器用于通过算法对测距单元所搭载的里程轮进行控制；其中里程轮用于采集装置行进的距离数据；sd_1存储卡用于保存主控制器控制里程轮所采集的数据；
18.所述图像采集单元由图像采集控制器、摄像头传感器和sd_2存储卡组成，对管道内壁图像进行采集并存储；其中图像采集控制器主要用于图像采集算法实现以及摄像头传感器参数配置；其中摄像头传感器用于采集管道内壁图像；其中sd_2存储卡用于保存图像采集控制器通过摄像头传感器采集到管道内壁图像的数据。
19.所述运行时间模块，其自身能够产生运行时间数据，用于为主控控制器和图像采集控制器提供一个基准时间，保证两个控制器进行数据存储时在同一个时刻。
20.所述电源用于为测距单元和图像采集单元供电。
21.进一步，步骤s3具体包括以下步骤：
22.s31：将sd_2存储卡中对采集管道内壁图像数据vd按照神经网络模型要求对数据进行标准化，放入所述神经网络模型中；
23.s32：神经网络模型对需要处理的管道内壁图像数据vd按照存储时间顺序进行分类处理，分为管道焊缝类与管道缺陷类；
24.s33：处理后的图像在两个类中按照时间顺序排列；
25.s34：对检测的焊缝数量进行核对与统计，并与实际管道线路中的焊缝数进行对比，确保管道分段时与里程数据对齐。
26.进一步，所述对里程数据md进行数据清洗，包括将重复、多余部分的数据进行筛选并清除；把缺失部分补充完整，并将不正确的数据纠正或者删除；最后按照时间顺序将里程数据md进行排列。
27.进一步，步骤s5中，具体包括以下步骤：
28.s51：对管道焊缝图像f进行核对，并对管道焊缝图像f进行统计，得到管道焊缝图像总数fn；通过对管道焊缝fn结果进行计算，并与实际管道焊接段数进行对比，保证管道焊接的段数数量一致；
29.s52：将管道焊缝结果将所检测的管道分成对应的n段，其中，管道段数n＝管道焊缝图像总数fn+1；
30.s53：得到管道段数n，对检测的管道分段，根据管道缺陷图像fti附近的管道焊缝
图像wti定位在管道ni中，将管道焊缝里程数据mdwti作为基准，即为参照值，将管道缺陷里程数据mdfti作为对照值，就得到管道缺陷在第i段管道中离管道焊缝的距离mdfti-mdwti，实现定位。
31.本发明的有益效果在于：
32.1)本发明可以有效减少常规定位方法中因为长距离里程轮测距导致累积误差增大，影响定位，利用管道焊缝作为管道缺陷的基准，实现管道缺陷精准定位；
33.2)本发明能够将管道缺陷定位到具体某段具体管道中，为后续管道修复作业提供便利；
34.3)本发明能够将管道缺陷种类进行采集、分类，为管道缺陷修复时能够依照缺陷问题设计合理的修复方案；
35.4)本发明在焊接管道中均能实现高精度定位，受管道材料产生影响较小，也不需要在管道外加设其他装置；
36.5)本发明能够对管道内部情况可视化，能够直观了解到管道健康程度。
37.本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
38.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
39.图1为基于管道焊缝识别的管道缺陷定位方法流程图；
40.图2为管道数据获取示意图；
41.图3为管道内窥检测装置硬件组成示意图；
42.图4为实现存储时间一致性方式示意图。
43.附图标记：100-牵引单元；200-测距单元；300-图像采集单元；400-运行时间模块；500-电源；210-主控控制器；211-里程轮；212-sd_1存储卡；310-图像采集控制器；311-摄像头传感器；312-sd_2存储卡。
具体实施方式
44.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
45.其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是
可以理解的。
46.本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
47.本发明提供一种基于管道焊缝识别的管道缺陷定位方法，如图1所示，包括以下步骤：
48.s1：管道中放入管道内窥检测装置pd采集并存储里程数据md和管道内壁图像数据vd；
49.s2：检测完后，离线通过用pc读取sd_1存储卡212与sd_2存储卡313中采集管道内壁图像数据vd和里程数据md，分别进行数据处理；
50.s3：通过训练后的神经网络模型识别图像数据vd中的管道焊缝图像w与管道缺陷图像f，并得到识别结果对应的时间戳wt、ft；并保证图像识别管道焊缝数与实际管道焊缝数一致；
51.s4：对里程数据md进行数据清洗，根据时间一致性对图像数据vd与里程数据md数据进行对齐，每个时间戳ft、wt都有对应的里程数据mdft、mdwt；
52.s5：根据管道焊缝图像数量将所检测的管道分成n段，将检测的管道缺陷放置到对应的管段中，根据此段管道缺陷里程数据mdft与管道焊缝里程数据mdwt，得到缺陷在该段的具体位置为mdft-mdwt。本方法中数据获取示意图如图2所示。
53.管道内窥检测装置硬件组成示意图如图3所示，包括：牵引单元100、测距单元200、图像采集单元300、运行时间模块400、电源500、主控控制器210、里程轮211、sd_1存储卡212、图像采集控制器310、摄像头传感器311、sd_2存储卡313。
54.实施例一：
55.第一步：管道内窥检测装置pd检测完管后，对sd_1存储卡212中里程数据md和sd_2存储卡313中采集管道内壁图像数据vd进行读取，分别进行数据处理；
56.第二步：将sd_2存储卡313中对采集管道内壁图像数据vd，按照神经网络模型要求对数据进行标准化，放入模型中，模型对需要处理的管道内壁图像数据vd按照时间顺序进行分类处理。其中分为管道焊缝类与管道缺陷类，处理后的图像在两个类中按照时间顺序排列。为了结果的准确性，需要对检测的焊缝数量进行核对与统计，并与实际管道线路中的焊缝数进行对比，确保管道分段时与里程数据对齐。
57.第三步：对采集管道里程数据md进行清洗，由于里程轮211单位时间内的采样频率高，为了确保传感器的数据完整性，对采集的数据通过主控制器210进行高速存储至sd_1存储卡212中。采集管道里程数据md的清洗包含将重复、多余部分的数据进行筛选并清除；把缺失部分补充完整，并将不正确的数据纠正或者删除；最后按照时间顺序将里程数据md进行排列。
58.第四步：将处理后的管道内壁图像数据vd和管道里程数据md按照时间一致性进行数据对齐，每个时间戳都有对应的图像数据与里程数据。其中时间一致性方式如图4所示：
59.当存在管道缺陷图像为fti时，根据上述步骤，可以知道每个图像数据管道缺陷图像fti、管道焊缝图像wti都有对应的里程数据mdfti、mdwti。
60.对管道焊缝图像f进行核对，并对管道焊缝图像f进行统计，得到管道焊缝图像总数fn。通过对管道焊缝fn结果进行计算，并与实际管道焊接段数进行对比，保证管道焊接段数数量一致。
61.将管道焊缝结果将所检测的管道分成对应的n段，其中，管道段数n＝管道焊缝图像总数fn+1。
62.得到管道段数n，对检测的管道分段，根据管道缺陷图像fti附近的管道焊缝图像wti定位在管道ni中，将管道焊缝里程数据mdwti作为基准，即为参照值，将管道缺陷里程数据mdfti作为对照值，就能得到管道缺陷在第i段管道中离管道焊缝的距离mdfti-mdwti，实现其高精度定位。
63.最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种基于管道焊缝识别的管道缺陷定位方法，其特征在于：包括以下步骤：s1：采集并存储里程数据md和管道内壁图像数据vd；s2：读取里程数据md和管道内壁图像数据vd，分别进行数据处理；s3：通过训练后的神经网络模型识别图像数据vd中的管道焊缝图像w与管道缺陷图像f，并得到识别结果对应的时间戳wt、ft；s4：对里程数据md进行数据清洗，根据时间一致性对图像数据vd与里程数据md数据进行对齐，每个时间戳ft、wt都有对应的里程数据mdft、mdwt；s5：根据管道焊缝图像数量将所检测的管道分成n段，将检测的管道缺陷放置到对应的管段中，根据此段管道缺陷里程数据mdft与管道焊缝里程数据mdwt，得到缺陷在该段的具体位置为mdft-mdwt。2.根据权利要求1所述的基于管道焊缝识别的管道缺陷定位方法，其特征在于：采用管道内窥检测装置来采集里程数据md和管道内壁图像数据vd，并分别存储到sd_1存储卡和sd_2存储卡中；所述管道内窥检测装置包括牵引单元、测距单元、图像采集单元、运行时间模块和电源；所述牵引单元用于提供牵引力，带动装置在管道内实现行进；所述测距单元由主控控制器、里程轮和sd_1存储卡组成，对管道里程进行测量并存储；其中主控制器用于通过算法对测距单元所搭载的里程轮进行控制；里程轮用于采集装置行进的距离数据；sd_1存储卡用于保存主控制器控制里程轮所采集的数据；所述图像采集单元由图像采集控制器、摄像头传感器和sd_2存储卡组成，对管道内壁图像进行采集并存储；其中图像采集控制器主要用于图像采集算法实现以及摄像头传感器参数配置；其中摄像头传感器用于采集管道内壁图像；其中sd_2存储卡用于保存图像采集控制器通过摄像头传感器采集到管道内壁图像的数据；所述运行时间模块，其自身能够产生运行时间数据，用于为主控控制器和图像采集控制器提供一个基准时间，保证两个控制器进行数据存储时在同一个时刻；所述电源用于为测距单元和图像采集单元供电。3.根据权利要求1所述的基于管道焊缝识别的管道缺陷定位方法，其特征在于：步骤s3具体包括以下步骤：s31：将sd_2存储卡中对采集管道内壁图像数据vd按照神经网络模型要求对数据进行标准化，放入所述神经网络模型中；s32：神经网络模型对需要处理的管道内壁图像数据vd按照时间顺序进行分类处理，分为管道焊缝类与管道缺陷类；s33：处理后的图像在两个类中按照时间顺序排列；s34：对检测的焊缝数量进行核对与统计，并与实际管道线路中的焊缝数进行对比，确保管道分段时与里程数据对齐。4.根据权利要求1所述的基于管道焊缝识别的管道缺陷定位方法，其特征在于：所述对里程数据md进行数据清洗，包括将重复、多余部分的数据进行筛选并清除；把缺失部分补充完整，并将不正确的数据纠正或者删除；最后按照时间顺序将里程数据md进行排列。5.根据权利要求1所述的基于管道焊缝识别的管道缺陷定位方法，其特征在于：步骤s5
中，具体包括以下步骤：s51：对管道焊缝图像f进行核对，并对管道焊缝图像f进行统计，得到管道焊缝图像总数fn；通过对管道焊缝fn结果进行计算，并与实际管道焊接段数进行对比，保证管道焊接的段数数量一致；s52：将管道焊缝结果将所检测的管道分成对应的n段，其中，管道段数n＝管道焊缝图像总数fn+1；s53：得到管道段数n，对检测的管道分段，根据管道缺陷图像fti附近的管道焊缝图像wti定位在管道ni中，将管道焊缝里程数据mdwti作为基准，即为参照值，将管道缺陷里程数据mdfti作为对照值，就得到管道缺陷在第i段管道中离管道焊缝的距离mdfti-mdwti，实现定位。

技术总结
本发明涉及一种基于管道焊缝识别的管道缺陷定位方法，属于管道缺陷定位领域，包括以下步骤：S1：采集并存储里程数据MD和管道内壁图像数据VD；S2：读取里程数据MD和管道内壁图像数据VD，分别进行数据处理；S3：通过训练后的神经网络模型识别图像数据VD中的管道焊缝图像W与管道缺陷图像F，并得到识别结果对应的时间戳；S4：对里程数据MD进行数据清洗，根据时间一致性对图像数据VD与里程数据MD数据进行对齐，每个时间戳都有对应的图像数据与里程数据；S5：根据管道焊缝图像数量将所检测的管道分成N段，将检测的管道缺陷放置到对应的管段中，根据此段管道缺陷里程数据与管道焊缝里程数据，得到缺陷在该条管线对应管段中的具体位置。置。置。


技术研发人员：梁山 马蠡 向钧 刘豪 王成象 朱洪生
受保护的技术使用者：重庆大学
技术研发日：2023.06.06
技术公布日：2023/8/6